编辑导语:由于资源、成本有限,面对众多功能,开发团队并不能兼顾所有,此时便需要进行功能排序,在综合考虑用户需求、市场环境、企业发展策略等多个方面后,优先开发重要功能。这一问题在面试场景中也十分常见。本文作者便对如何确定功能优先性做了总结和梳理,一起来看一下。

面试常见排序题(如何分析功能优先性)(1)

一、面试题

某直播APP规划上线多个功能(包含短视频、订阅主播游戏装备、直播间跳转、陪玩大神等)。

如何根据用户需求,科学地确定功能优先性?

二、分析思路

1. 理解业务场景

日常业务中,由于公司资源、开发人员的时间和精力有限,需求优先性问题十分常见。

一般而言,功能排序需要综合考虑公司、产品、用户和社会效应等。

面试常见排序题(如何分析功能优先性)(2)

遇到这类分析功能优先性问题,怎么办呢?

可以根据不同影响因素组合,选择对应的分析模型。

举几个例子,普通二维分析模型(功能的重要性 紧急性):

面试常见排序题(如何分析功能优先性)(3)

WSJF模型(老板 战略 业绩 需求评分 上线所需时间):

面试常见排序题(如何分析功能优先性)(4)

Kano模型(用户需求与接受度):

面试常见排序题(如何分析功能优先性)(5)

这里的面试题要求根据用户需求确定优先性,因此选择使用Kano模型。

2. 理解分析方法

1)模型介绍

Kano法由东京理工大学教授狩野纪昭提出,他以用户为导向将需求分为5类:魅力型、期望型、必备型、无差异型和反向型。

不同类别需求对应产品品质的不同阶段:

面试常见排序题(如何分析功能优先性)(6)

因此多数情况下,产品需要先满足用户的必备需求,继而期望需求,最后通过魅力需求超越顾客预期。

那么什么是必备/期望/魅力/无差异/反向功能呢?

① 必备功能

产品理所应当具有的功能。不具备会使用户体验受到明显影响。

面试常见排序题(如何分析功能优先性)(7)

面试常见排序题(如何分析功能优先性)(8)

② 期望功能

用户期待APP拥有这一类功能,上线后能提升用户满意度;否则用户会不满意。

当这一功能(如招聘APP的线上课程)普遍化后,期待功能可能降级为必备功能。

面试常见排序题(如何分析功能优先性)(9)

面试常见排序题(如何分析功能优先性)(10)

③ 魅力功能

通常是一些新颖/情感化的设计。

微信拍一拍功能即使不上线,也不会影响用户满意度;功能上线后引发了用户的交互热情。当然随着时间推移和新鲜感下降,魅力功能可能退化为期待/必备功能。

面试常见排序题(如何分析功能优先性)(11)

④ 无差异功能

具备/不具备都不会改变用户满意度。

电商平台的虚拟种果树游戏火热后,部分其他行业APP直接复制了这一功能。由于未考虑平台属性和用户需求,结果用户大多直接略过该板块。

面试常见排序题(如何分析功能优先性)(12)

⑤ 反向功能

反向功能会使用户满意度下降。

如恶意诱导的开屏广告,通过模糊实际的“跳过”按钮,诱使用户点击广告。对于产品方可能提升了广告收入,但影响了多数用户的体验和满意度。

面试常见排序题(如何分析功能优先性)(13)

面试常见排序题(如何分析功能优先性)(14)

2)模型作用

Kano模型能解答面试题,通过将功能分为必备/期望/魅力/无差异/反向,确定功能优先性。

同时模型需要调研用户,产品部门参与问卷设计和调研,因此可以促进团队共识;而调研过程有助于用户发声。

面试常见排序题(如何分析功能优先性)(15)

3)模型步骤

对应模型作用,模型使用需要由团队共同设置调研问卷,通过调研过程让用户表达需求。

随后统计问卷结果,通过Kano系数将需求归类为必备/期望/魅力/无差异/反向。

最后将分析结果可视化,获得结论,评估和调整。

面试常见排序题(如何分析功能优先性)(16)

三、具体操作

1. 问卷调研

面试常见排序题(如何分析功能优先性)(17)

1)设计问卷

Kano模型需要调研:各功能具备/不具备时,用户的满意度情况。

举个例子:当直播平台提供了陪玩大神功能时,用户是喜欢/觉得理应如此/无所谓/勉强接受/不喜欢?当直播平台不提供短视频功能时,用户感受又如何?

问卷题目和选项措辞需要和业务部门确认,同时确定如何向用户解释问卷内容。

面试常见排序题(如何分析功能优先性)(18)

具体内容包含正向/反向问题 选项。问卷解释部分为调研人员自用。

面试常见排序题(如何分析功能优先性)(19)

2)确定样本

① 确定渠道

需要在调研过程中解释内容,且调研样本不会过大时——优先采用线下问卷调研。

面试常见排序题(如何分析功能优先性)(20)

② 样本数量

为确保问卷结果有统计学意义,样本量要求≥30。

另外可能存在部分样本数据不符合要求,需预留容错,实际调研用户数保证在35/40以上。

③ 样本要求

样本要求需要重点和业务部门沟通。此次调研是针对产品所有目标用户?或是核心用户?或是多类型用户?

  • 如果针对所有产品用户,则随机从产品用户中抽样调查;
  • 如果针对核心用户,则根据核心用户要求,筛选后再抽样调查;
  • 如果是针对多类型用户,则需要保证各类型样本比例。如产品有1/2/3三个数量相近的用户群,样本可以分为30(用户群1样本) 30(用户群2样本) 30(用户群3样本)。

3)问卷填写

问卷设计完毕 确定调研样本后,邀约用户填写问卷,关注用户填写过程。

面试常见排序题(如何分析功能优先性)(21)

2. 结果统计

面试常见排序题(如何分析功能优先性)(22)

为了更全面展示结果,我们增加了部分功能项。统计结果是以下6个功能具备/不具备时,用户的满意度数据。

面试常见排序题(如何分析功能优先性)(23)

最终问卷结果按照二维形式统计:

面试常见排序题(如何分析功能优先性)(24)

举个例子:陪玩大神功能的统计结果。

下图中方框中的“16”代表:120个样本中,有16名用户喜欢产品提供该功能,且如果产品不提供该功能,他们觉得无所谓。

“13.3%”代表:16名用户占总用户数(120)的比例。

面试常见排序题(如何分析功能优先性)(25)

统计结果如何和功能类别(必备/期望/魅力/无差异/反向)联系呢?我们需要用到Kano要素对照表。

面试常见排序题(如何分析功能优先性)(26)

给功能的统计数据标上颜色,红色代表魅力品质,橙色代表期望品质,绿色代表必备品质,蓝色代表无差异品质,紫色代表反向品质,灰色是可疑数据。

最后汇总陪玩大神功能的魅力/期望/必备/无差异/反向品质总数。

面试常见排序题(如何分析功能优先性)(27)

用同样的方法,汇总订阅游戏装备/直播间跳转/特权礼物/主播PK/短视频功能的品质数据。

面试常见排序题(如何分析功能优先性)(28)

至此,结果统计工作就完成了。总计一下结果统计的步骤:

面试常见排序题(如何分析功能优先性)(29)

3. 可视化

面试常见排序题(如何分析功能优先性)(30)

虽然有了统计结果,但我们还未确定各功能的优先级顺序。

需要通过better-worse系数(Kano模型的重要部分)确定各功能具备/不具备时用户的满意度,并通过可视化图表辅助呈现结果。

1) 确定Better-worse系数

Better系数和worse系数分别代表具备/不具备该功能时,用户的满意程度。

Better系数越接近1,表示具备该功能,对用户满意度的提升越明显;worse系数越接近-1,表示不具备该功能,对用户满意度的降低越明显。

面试常见排序题(如何分析功能优先性)(31)

计算各功能的better系数及worse系数:

面试常见排序题(如何分析功能优先性)(32)

2)统计图确定功能分区

以worse系数绝对值为横坐标,better系数为纵坐标,绘制各功能散点图并划分象限。

  1. 第一象限为期望功能,包含特权礼物、陪玩大神功能。
  2. 第二象限为魅力功能,包含直播间跳转、订阅游戏装备。
  3. 第三现象为无差异功能,包含主播PK。
  4. 第四象限为必备功能,包含短视频。

面试常见排序题(如何分析功能优先性)(33)

结论:

一般而言,必备功能优先于期望功能优先于魅力功能,无差异功能根据产品情况可以考虑不做。

同一象限内,Better系数越接近1,用户满意度的提升越明显;worse系数越接近-1,用户满意度的降低越明显。因此在魅力功能中,直播间跳转优先于订阅游戏装备;在期望功能中,特权礼物优先于陪玩大神。

面试常见排序题(如何分析功能优先性)(34)

  • 必备功能通常是用户的基础需求,优先满足;
  • 期望功能是用户比较同类型产品的关注点,在满足必要需求的基础上也应尽量满足;
  • 魅力功能较难预测,但能带来用户忠诚度。

在实际业务中,功能的定义需要不断更新。随着市场和竞品发展,期望功能和魅力功能可能演变为必备功能,产品方要挖掘新的用户期望和惊喜点。

4. 模型调优

面试常见排序题(如何分析功能优先性)(35)

面试常见排序题(如何分析功能优先性)(36)

1)结合用户其他信息,丰富结论

Kano的模型信息完全来源于用户问卷。实际上问卷结果不能完全代表用户的真实需求,用户所说不等于用户内在想法。

因此,以用户需求为导向确定优先性时,可以将Kano分析结果与产品用户画像结合分析,确定最终结论。

(用户画像包含目标用户的基本信息、使用场景、痛点和关键区分点。这些内容有助于确定用户的内在诉求。)

2)日常数据的Kano建模

前面我们也提到,对功能的定义需要不断更新。

同时,问卷的覆盖面是有限的,而大量的问卷调查需要消耗较多人力。因此,运用python等软件进行日常数据建模,有助于长线分析。

面试常见排序题(如何分析功能优先性)(37)

本篇我们主要介绍Kano模型的日常使用,不继续展开建模分析。

四、结论

回归前面的面试题,如何根据用户需求,科学地确定功能优先性?

本篇内容,我们通过Kano模型四部曲(问卷调研-结果统计-可视化-调优),确定了各功能属性和优先性:必备>期望>魅力>无差异功能(反向功能是产品需要避免的)。

同时为了结论更客观,Kano分析结论可以与用户画像信息比对分析,综合确定用户内在需求;为了长线考虑,可以逐步建立Kano数据模型,后续通过评论数据直接判断功能类别和优先级。

本文由 @猴子 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议

,